Aktualnie najchętniej podejmuję stałą współpracę (UoP, B2B) skoncentrowaną na tworzeniu rozwiązań opartych o Machine Learning. Doradzam również w kwestii wprowadzenia sztucznej inteligencji do firmy.
Dla firm, które chcą realnie wprowadzić AI w procesy: od agentów i RAG wspierających różne działy, przez firmową bazę wiedzy, aż po lokalne modele i edge AI na produkcji. To dłuższa współpraca nad architekturą, prototypami, integracjami i stopniowym rozwijaniem systemu razem z zespołem klienta.
Dla firm, które chcą najpierw sprawdzić sens pomysłu: konsultacja techniczna, analiza ryzyk, szybki PoC, małe MVP, automatyzacja, agent albo RAG do jednego wybranego procesu. Celem jest szybko zobaczyć, czy warto iść dalej.
Pomagam uporządkować pomysły na AI, ocenić sensowność wdrożenia, dobrać architekturę i wskazać ryzyka. Najlepiej sprawdza się to przy decyzjach: co automatyzować, gdzie użyć LLM, kiedy budować RAG, a kiedy wystarczy prostszy model lub klasyczne oprogramowanie.
Buduję małe, działające prototypy AI: agenci, RAG, narzędzia wspierające pracę, automatyzacje i integracje z procesami. Celem jest szybkie sprawdzenie hipotezy technicznej lub biznesowej, zanim projekt urośnie do pełnego wdrożenia.
Interesują mnie rozwiązania, w których model działa lokalnie albo blisko danych: Python, TensorFlow, llama.cpp, lokalne LLM, testy wydajności i ograniczenia sprzętowe. Do prototypowania wykorzystuję stacje z RTX 4000 Ada 20 GB i RTX 5090 32 GB, obie z 128 GB RAM.
Django i Python traktuję dziś głównie jako solidną warstwę aplikacyjną wokół AI: panele, API, konta, uprawnienia, kolejki, integracje i interfejsy dla modeli. To dobry wybór, gdy prototyp ma szybko stać się narzędziem używanym przez ludzi.
Stacje robocze z RTX 4000 Ada 20 GB oraz RTX 5090 32 GB, obie z 128 GB RAM, pozwalają szybko sprawdzać warianty lokalnego wnioskowania, prototypy on-premise. Projekty edge AI testuję na Raspberry Pi oraz Nvidia Jetson.